ComfyUI の Wan 3.0：30 秒動画生成が API ノード経由で実現

Wan 3.0 は、アリババの最新の動画生成モデルであり、3 つの API ノードを通じて ComfyUI で利用可能です：Wan 3.0 テキストから動画へ、Wan 3.0 画像から動画へ、および Wan 3.0 リファレンスから動画へ（公式 ComfyUI ブログ）。前身モデルに対する主な変更点は、ステッチングなしで単一パスでネイティブな 30 秒出力を実現したことであり、連続的なカメラ移動や完全なシーンに十分なスペースがあります。

ComfyUI ブログ発表からの Wan 3.0 生成

モデルのハイライト

• 単一パスでのネイティブな 30 秒再生時間。2〜30 秒から選択可能で、「自動」モードによりモデルが最適な長さを自動選択します。
• Omni Creation リファレンス: 生成あたり最大 20 アセット（画像 10 枚、動画 5 本、音声クリップ 5 つ）まで対応し、プロンプト内で直接 @Image1（キャラクターカード用）や @Video2（カメラ移動用）のような @ 構文で指定できます。
• ドキュメントと Web ページの解析: 提案書や Wiki ページを、完了したクリップのソースマテリアルとして使用できます。
• 指示による精密な編集: 要素の削除または置換、シーンの再照明、フレームの他の部分は固定されたままモーションの変更が可能です。既存の映像も拡張でき、合計入力＋出力は最大 30 秒までです。
• プロンプト入力が 20,000 文字に拡大されました。
• 解像度と比率: 16:9、9:16、4:3、3:4、1:1 の各アスペクト比率に対応する 480p、720p、1080p。480p タイアは低コストのドラフト用に今回のリリースで新追加されました。「適応型」アスペクト比率オプションがあり、音声生成はオフに切り替え可能です。

ComfyUI での使用方法

ComfyUI を v0.33.4 以降にアップデートするか、Comfy Cloud を開きます。ノードはノードライブラリで利用可能で、テンプレートパネルには 3 つの公式ワークフローが含まれています：

• Wan 3.0 テキストから動画へ: プロンプトから音声付き 30 秒動画へ。

公式の Wan 3.0 テキストから動画へテンプレート

• Wan 3.0 画像から動画へ: 静止画像を同期音声付きでアニメート。

公式の Wan 3.0 画像から動画へテンプレート

• Wan 3.0 リファレンスから動画へ: キャラクターカード、カメラ移動用の動画、声質用の音声クリップを結合し、それぞれを @ 構文でプロンプト内に指定します。

Wan 3.0 生成は ComfyUI の API ノードシステムを通じて実行されるため、ローカルウェイトのダウンロードは必須ではありません。請求は解像度ティアごとのAPI 料金に従います。480p タイアは、1080p の最終パスに着手する前にドラフト反復を安く保ちます。

ローカルのオープンウェイトワークフローの場合、Wan 2.2 ファミリーはネイティブサポート付きで ComfyUI で引き続き利用可能ですが、Wan 3.0 生成自体は現在 API ノードを通じて実行されます。